首頁(yè) > 科技要聞 > 科技> 正文

國(guó)產(chǎn)AI最卷一夜！大模型黑馬DeepSeek、Kimi硬剛OpenAI o1，實(shí)測(cè)體驗(yàn)到底有多強(qiáng)

appso 整合編輯：趙凱松 發(fā)布于：2025-01-22 14:45

趕在放假前，支棱起來(lái)的國(guó)產(chǎn) AI 大模型廠商井噴式發(fā)布了一大堆春節(jié)禮物。

前腳 DeepSeek-R1 正式發(fā)布，號(hào)稱(chēng)性能對(duì)標(biāo) OpenAI o1 正式版，后腳 k1.5 新模型也正式登場(chǎng)，表示性能做到滿(mǎn)血版多模態(tài) o1 水平。、如果再加上此前強(qiáng)勢(shì)登場(chǎng)的智譜 GLM-Zero，階躍星辰推理模型 Step R-mini，星火深度推理模型 X1，年末上大分的國(guó)產(chǎn)大模型拉開(kāi)了真刀真槍的帷幕，也給以 OpenAI 為代表的海外廠商狠狠上了一波壓力。

DeepSeek-R1 ：在數(shù)學(xué)、代碼、自然語(yǔ)言推理等任務(wù)上，性能比肩 OpenAI o1 正式版

月之暗面 k1.5：數(shù)學(xué)、代碼、視覺(jué)多模態(tài)和通用能力全面超越 GPT-4o 和 Claude 3.5 Sonnet

智譜 GLM-Zero：擅長(zhǎng)處理數(shù)理邏輯、代碼和需要深度推理的復(fù)雜問(wèn)題

階躍 Step-2 mini：極速響應(yīng)，平均首字時(shí)延僅 0.17 秒，還有 Step-2 文學(xué)大師版

星火 X1：數(shù)學(xué)能力亮眼，有全面思考過(guò)程，拿捏小學(xué)、初中、高中、大學(xué)全學(xué)段數(shù)學(xué)

井噴不是偶然的爆發(fā)，而是積蓄已久的力量，可以說(shuō)，國(guó)產(chǎn) AI 模型在春節(jié)前夕的突圍，將有望重新定義 AI 發(fā)展的世界坐標(biāo)。

中國(guó)版「源神」爆火海外，這才是真·OpenAI

昨晚率先發(fā)布的 DeepSeek-R1 現(xiàn)在已經(jīng)上架 DeepSeek 官網(wǎng)與 App，打開(kāi)就能用。

9.8 和 9.11 哪個(gè)大以及 Strawberry 里有幾個(gè) r 的難題在第一次測(cè)試中就順利過(guò)關(guān)，別看思維鏈略顯冗長(zhǎng)，但正確答案事實(shí)勝于雄辯。

面對(duì)弱智吧難題「跳多高才能跳過(guò)手機(jī)上的廣告」的拷問(wèn)， 響應(yīng)速度極快的 DeepSeek-R1 不僅能夠避開(kāi)語(yǔ)言陷阱，還提供了不少規(guī)避廣告的的建議，十分人性化。

幾年前，有一道名為「如果昨天是明天，今天就是星期五，實(shí)際今天是星期幾」的邏輯推理題走紅網(wǎng)絡(luò)。

在面臨同樣問(wèn)題的拷問(wèn)后，OpenAI o1 給出的答案是周日，DeepSeek-R1 則是周三，但就目前來(lái)看，至少 DeepSeek-R1 更靠近答案。

據(jù)介紹，DeepSeek-R1 在數(shù)學(xué)、代碼、自然語(yǔ)言推理等任務(wù)上，性能比肩 OpenAI o1 正式版，理論上更偏向于理科生。

正好趕上小紅書(shū)上中美兩國(guó)網(wǎng)友在友好交流數(shù)學(xué)作業(yè)，我們也讓 DeepSeek-R1 幫忙解疑答惑。

插個(gè)冷知識(shí)，上回 DeepSeek 海外爆火時(shí)就有網(wǎng)友發(fā)現(xiàn)，其實(shí) DeepSeek 也支持圖片識(shí)別，我們可以直接讓它分析試卷圖片。

攏共兩道題，第一道題選 C，第二道題選 A，并且，「自信滿(mǎn)滿(mǎn)」的 DeepSeek-R1 推測(cè)第二道題原題的選項(xiàng)中無(wú) 18，結(jié)合選項(xiàng)推測(cè)原題可能存在筆誤。

在隨后的線(xiàn)性代數(shù)證明題中，DeepSeek-R1 提供的證明步驟邏輯嚴(yán)謹(jǐn)，同一道題目還提供了多種驗(yàn)證方法，展現(xiàn)出深厚的數(shù)學(xué)功底。

始于性能，陷于成本，忠于開(kāi)源。DeepSeek-R1 正式發(fā)布之后，也同步開(kāi)源模型權(quán)重。我宣布，來(lái)自中國(guó)東方的 DeepSeek 才是真正的 OpenAI。

據(jù)悉，DeepSeek-R1 遵循 MIT License，允許用戶(hù)通過(guò)蒸餾技術(shù)借助 R1 訓(xùn)練其他模型。DeepSeek-R1 上線(xiàn) API，對(duì)用戶(hù)開(kāi)放思維鏈輸出，通過(guò)設(shè)置 model='deepseek-reasoner' 即可調(diào)用。

并且，DeepSeek-R1 訓(xùn)練技術(shù)全部公開(kāi)，論文指路��https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek\_R1.pdf

DeepSeek-R1 技術(shù)報(bào)告里提到一個(gè)值得關(guān)注的發(fā)現(xiàn)，那就是 R1 zero 訓(xùn)練過(guò)程里出現(xiàn)的「aha moment（頓悟時(shí)刻）」。

在模型的中期訓(xùn)練階段，DeepSeek-R1-Zero 開(kāi)始主動(dòng)重新評(píng)估初始解題思路，并分配更多時(shí)間優(yōu)化策略（如多次嘗試不同解法）。換句話(huà)說(shuō)，通過(guò) RL 框架，AI 可能自發(fā)形成類(lèi)人推理能力，甚至超越預(yù)設(shè)規(guī)則的限制。

并且這也將有望為開(kāi)發(fā)更自主、自適應(yīng)的 AI 模型提供方向，比如在復(fù)雜決策（醫(yī)療診斷、算法設(shè)計(jì)）中動(dòng)態(tài)調(diào)整策略。正如報(bào)告所說(shuō)，「這一時(shí)刻不僅是模型的『頓悟時(shí)刻』，也是研究人員觀察其行為時(shí)的『頓悟時(shí)刻』�！�

除了主打的大模型，DeepSeek 的小模型同樣實(shí)力不俗。

DeepSeek 通過(guò)對(duì) DeepSeek-R1-Zero 和 DeepSeek-R1 這兩個(gè) 660B 模型的蒸餾，開(kāi)源了 6 個(gè)小模型。其中，32B 和 70B 型號(hào)在多個(gè)領(lǐng)域達(dá)到了 OpenAI o1-mini 的水準(zhǔn)。

并且，僅 1.5B 參數(shù)大小的 DeepSeek-R1-Distill-Qwen-1.5B 在數(shù)學(xué)基準(zhǔn)測(cè)試中超越了 GPT-4o 和 Claude-3.5-Sonnet，AIME 得分為 28.9%，MATH 得分為 83.9%。

HuggingFace 鏈接：https://huggingface.co/deepseek-ai

在 API 服務(wù)定價(jià)方面，號(hào)稱(chēng) AI 屆拼多多的 DeepSeek 也采用了靈活的階梯定價(jià)：每百萬(wàn)輸入 tokens 根據(jù)緩存情況收費(fèi) 1-4 元，輸出 tokens 統(tǒng)一 16 元，再次大幅降低開(kāi)發(fā)使用成本。

DeepSeek-R1 發(fā)布以后，也再次在海外 AI 圈引起轟動(dòng)，收獲了大量「自來(lái)水」。其中，博主 Bindu Reddy 更是給 Deepseek 冠上了開(kāi)源 AGI 和文明的未來(lái)之稱(chēng)。

出色的評(píng)價(jià)源于模型在網(wǎng)友的實(shí)際應(yīng)用中出色的表現(xiàn)。從 30 秒詳細(xì)闡釋勾股定理，到 9 分鐘深入淺出地講解量子電動(dòng)力學(xué)原理并提供可視化呈現(xiàn)。DeepSeek-R1 沒(méi)有任何差錯(cuò)。

甚至也有網(wǎng)友特別欣賞 DeepSeek-R1 所展示的思維鏈，認(rèn)為「像極了人類(lèi)的內(nèi)心獨(dú)白，既專(zhuān)業(yè)又可愛(ài)」。

英偉達(dá)高級(jí)研究科學(xué)家 Jim Fan 對(duì) DeepSeek-R1 給予了高度評(píng)價(jià)。他指出這代表著非美國(guó)公司正在踐行 OpenAI 最初的開(kāi)放使命，通過(guò)公開(kāi)原始算法和學(xué)習(xí)曲線(xiàn)等方式實(shí)現(xiàn)影響力，順便還內(nèi)涵了一波 OpenAI。

DeepSeek-R1 不僅開(kāi)源了一系列模型，還披露了所有訓(xùn)練秘密。它們可能是首個(gè)展示 RL 飛輪重大且持續(xù)增長(zhǎng)的開(kāi)源項(xiàng)目。

影響力既可以通過(guò)『ASI 內(nèi)部實(shí)現(xiàn)』或『草莓計(jì)劃』等傳說(shuō)般的項(xiàng)目實(shí)現(xiàn)，也可以簡(jiǎn)單地通過(guò)公開(kāi)原始算法和 matplotlib 學(xué)習(xí)曲線(xiàn)來(lái)達(dá)成。

在深入研究論文后，Jim Fan 特別強(qiáng)調(diào)了幾個(gè)關(guān)鍵發(fā)現(xiàn)：

完全由強(qiáng)化學(xué)習(xí)驅(qū)動(dòng)，沒(méi)有任何 SFT（監(jiān)督微調(diào)）。讓人聯(lián)想到 AlphaZero——從零開(kāi)始掌握圍棋、將棋和國(guó)際象棋，而不是先模仿人類(lèi)大師的棋步。這是論文中最關(guān)鍵的發(fā)現(xiàn)。使用硬編碼規(guī)則計(jì)算的真實(shí)獎(jiǎng)勵(lì)。

避免使用強(qiáng)化學(xué)習(xí)容易破解的學(xué)習(xí)獎(jiǎng)勵(lì)模型。隨著訓(xùn)練進(jìn)展，模型的思考時(shí)間逐步增加——這不是預(yù)先編寫(xiě)的程序，而是一種涌現(xiàn)特性！自我反思和探索行為的涌現(xiàn)。

GRPO 替代了 PPO：它移除了 PPO 的評(píng)論網(wǎng)絡(luò)，改用多個(gè)樣本的平均獎(jiǎng)勵(lì)。這是一種減少內(nèi)存使用的簡(jiǎn)單方法。需要注意的是，GRPO 是作者團(tuán)隊(duì)提出的一種創(chuàng)新方法。

整體來(lái)看，這項(xiàng)工作展示了強(qiáng)化學(xué)習(xí)在大規(guī)模場(chǎng)景中實(shí)際應(yīng)用的開(kāi)創(chuàng)性潛力，并證明某些復(fù)雜行為可以通過(guò)更簡(jiǎn)單的算法結(jié)構(gòu)實(shí)現(xiàn)，而無(wú)需進(jìn)行繁瑣的調(diào)整或人工干預(yù)。一圖勝千言，更明顯的對(duì)比如下：

就這樣，DeepSeek 再次在海內(nèi)外完成二次爆火，不僅是一次技術(shù)突破，更是中國(guó)乃至世界的開(kāi)源精神的勝利，也因此收獲了不少海外忠實(shí)擁躉。

新模型比肩 OpenAI o1，三個(gè)月三次突破，Kimi 讓海外集體沸騰

同一天上線(xiàn)的還有 Kimi v1.5 多模態(tài)思考模型。

自去年 11 月 Kimi 推出 k0-math 數(shù)學(xué)模型，12 月發(fā)布 k1 視覺(jué)思考模型以來(lái)，這是第三次 K 系列的重要上新。

在短思考模式（short-CoT）的較量中，Kimi k1.5 展現(xiàn)出壓倒性?xún)?yōu)勢(shì)，其數(shù)學(xué)、代碼、視覺(jué)多模態(tài)和通用能力全面超越了行業(yè)翹楚 GPT-4o 和 Claude 3.5 Sonnet。

在長(zhǎng)思考模式（long-CoT）的競(jìng)爭(zhēng)中，Kimi k1.5 的代碼和多模態(tài)推理能力已經(jīng)比肩 OpenAI o1 正式版，成為全球范圍內(nèi)首個(gè)在 OpenAI 之外實(shí)現(xiàn) o1 級(jí)別多模態(tài)推理性能的模型。

伴隨著模型的重磅發(fā)布，Kimi 還首次公開(kāi)了完整的模型訓(xùn)練技術(shù)報(bào)告。

GitHub 鏈接：https://github.com/MoonshotAI/kimi-k1.5

據(jù)官方介紹，k1.5 模型的核心技術(shù)突破主要體現(xiàn)在四個(gè)關(guān)鍵維度：

長(zhǎng)上下文擴(kuò)展。我們將 RL 的上下文窗口擴(kuò)展到 128k，并觀察到隨著上下文長(zhǎng)度的增加，性能持續(xù)提升。我們的方法背后的一個(gè)關(guān)鍵思想是，使用部分展開(kāi)（partial rollouts）來(lái)提高訓(xùn)練效率——即通過(guò)重用大量先前的軌跡來(lái)采樣新的軌跡，避免了從頭開(kāi)始重新生成新軌跡的成本。我們的觀察表明，上下文長(zhǎng)度是通過(guò) LLMs 持續(xù)擴(kuò)展RL的一個(gè)關(guān)鍵維度。

改進(jìn)的策略?xún)?yōu)化。我們推導(dǎo)出了 long-CoT 的 RL 公式，并采用在線(xiàn)鏡像下降的變體進(jìn)行穩(wěn)健的策略?xún)?yōu)化。該算法通過(guò)我們的有效采樣策略、長(zhǎng)度懲罰和數(shù)據(jù)配方的優(yōu)化進(jìn)一步得到改進(jìn)。

簡(jiǎn)潔的框架。長(zhǎng)上下文擴(kuò)展與改進(jìn)的策略?xún)?yōu)化方法相結(jié)合，為通過(guò) LLMs 學(xué)習(xí)建立了一個(gè)簡(jiǎn)潔的 RL 框架。由于我們能夠擴(kuò)展上下文長(zhǎng)度，學(xué)習(xí)到的 CoTs 表現(xiàn)出規(guī)劃、反思和修正的特性。增加上下文長(zhǎng)度的效果是增加了搜索步驟的數(shù)量。因此，我們展示了可以在不依賴(lài)更復(fù)雜技術(shù)（如蒙特卡洛樹(shù)搜索、價(jià)值函數(shù)和過(guò)程獎(jiǎng)勵(lì)模型）的情況下實(shí)現(xiàn)強(qiáng)大的性能。

多模態(tài)能力。我們的模型在文本和視覺(jué)數(shù)據(jù)上聯(lián)合訓(xùn)練，具有聯(lián)合推理兩種模態(tài)的能力。該模型數(shù)學(xué)能力出眾，但由于主要支持 LaTeX 等格式的文本輸入，依賴(lài)圖形理解能力的部分幾何圖形題則難以應(yīng)對(duì)。

k1.5 多模態(tài)思考模型的預(yù)覽版將陸續(xù)灰度上線(xiàn)官網(wǎng)和官方 App。值得一提的是，k1.5 的發(fā)布同樣在海外引起了巨大的反響。也有網(wǎng)友對(duì)這個(gè)模型不吝贊美之詞，讓海外見(jiàn)證了中國(guó) AI 實(shí)力的崛起。

實(shí)際上，年末國(guó)內(nèi)推理模型的密集發(fā)布絕非偶然，這是 OpenAI 去年 10 月發(fā)布 o1 模型在全球 AI 領(lǐng)域掀起的漣漪終于傳導(dǎo)至中國(guó)的顯著標(biāo)志。

短短數(shù)月從追趕到比肩，國(guó)產(chǎn)大模型用行動(dòng)證明了中國(guó)速度。

菲爾茲獎(jiǎng)得主、數(shù)學(xué)天才陶哲軒曾認(rèn)為這類(lèi)推理模型或許只需再經(jīng)過(guò)一兩輪迭代與能力提升，就能達(dá)到「合格研究生」的水準(zhǔn)。而 AI 發(fā)展的遠(yuǎn)景遠(yuǎn)不止于此。

當(dāng)前，我們正見(jiàn)證著 AI 智能體一個(gè)關(guān)鍵的轉(zhuǎn)型時(shí)刻。從單純的「知識(shí)增強(qiáng)」向「執(zhí)行增強(qiáng)」跨越，開(kāi)始主動(dòng)參與決策制定和任務(wù)執(zhí)行的過(guò)程。

與此同時(shí)，AI 也在突破單一模態(tài)的限制，向著多模態(tài)融合的方向快速演進(jìn)。當(dāng)執(zhí)行遇上思考，AI才真正具備了改變世界的力量。

基于此，像人一樣思考的模型正在為 AI 的實(shí)際落地開(kāi)辟更多可能性。

表面上看，年末這波國(guó)內(nèi)推理模型的密集涌現(xiàn)，或許帶有「中國(guó)式跟隨者創(chuàng)新」的影子。

但深入觀察就會(huì)發(fā)現(xiàn)，無(wú)論是在開(kāi)源策略的深度，還是在技術(shù)細(xì)節(jié)的精確度上，中國(guó)廠商依然走出了一條獨(dú)具特色的發(fā)展道路。

文章來(lái)源：APPSO

網(wǎng)友評(píng)論

聚超值•精選

推薦 手機(jī) 筆記本 影像 硬件 家居 商用 企業(yè) 出行 未來(lái)
    • 二維碼 回到頂部
    国产younv在线精品，先锋AV无码资源不卡，亚洲国产高清不卡在线播放，伊人久久东京av